⌘ K
… 读取采集状态 同步中...
雷
原文
X:Greg Brockman (@gdb)·· 2026-09-03AI 评分1

DuMateBench 论文:Agent 框架差异可使同一模型表现相差 27.27 个百分点

AI 导读

论文《DuMateBench: Evaluating Autonomous Agents in Complex Real-World Workflows》提出基于 200 个真实用户会话重建任务的基准,涵盖编码、网络调研、文档处理和内容创作,并加入缺失依赖、不稳定网络和干扰文件等环境复杂度。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:X:Greg Brockman (@gdb) · x.com